Details

Title Методы распознавания образов с использованием глубоких нейронных сетей: выпускная квалификационная работа магистра по направлению 27.04.03 - Системный анализ и управление ; 27.04.03_01 - Теория и математические методы системного анализа и управления в технических и экономичеких системах
Creators Мельников Константин Алексеевич
Scientific adviser Нестеров Сергей Александрович
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2019
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects Видеоинформация ; Нейронные сети ; машинное обучение ; глубинное обучение ; обучение с учителем ; сверточная нейронная сеть ; классификация ; алгоритм обратного распространения ошибки ; перекрестная проверка ; видеоаналитика
UDC 621.397:004.032.26
Document type Master graduation qualification work
File type PDF
Language Russian
Level of education Master
Speciality code (FGOS) 27.04.03
Speciality group (FGOS) 270000 - Управление в технических системах
Links Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2019/vr/vr19-5346
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\2818
Record create date 10/4/2019

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Объект исследования: свёрточная нейронная сеть, классификатор на ее основе. Цель работы - исследование медотов и применение методов глубинного обучения при разработке программно-аппаратного комплекса для записи и анализа видеопотока на оснвое нейросетевых классификаторов, способного детектировать изменения мимики и расположения человека в пространсте. В работе представлены математическая модель классификатора на основе свёрточной нейронной сети, структура данной модели, алгоритм обучения на основе стохастического градиентного спуска и метода обратного распространения ошибки. Для предотвращения переобучения использовался метод регуляризации, оптимальные параметры которой определялись на основе перекрестной проверки. Проведены тестирование синтезированного классификатора и оценка точности классификации.

The aim of the thesis is the comparative analysis of deep learning methods used in the development of video analytics software. The object of the research is the deep neaural networks used in classificatoin. The thesis consists of three chapters. The first chapter presents an overview of the basic concepts of machine and deep learning, such as common problems, neaural newtorks, regularisation. The second chapter introduces the main tools used for neural network trainig. The third chapter contains comparative analysis of used neural network used if development.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 59 
Last 30 days: 0

Detailed usage statistics